基于改進(jìn)YOLOv5模型的織物疵點(diǎn)檢測(cè)

打開文本圖片集

摘 要：針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)方法檢測(cè)織物疵點(diǎn)精度低，小目標(biāo)檢測(cè)較困難的問題，提出一種基于改進(jìn)YOLOv5的織物疵點(diǎn)的目標(biāo)檢測(cè)算法。在YOLOv5模型的Backbone模塊中分別引入SE注意力機(jī)制和CBAM注意力機(jī)制，使模型聚焦于圖像中的關(guān)鍵信息，改進(jìn)傳統(tǒng) YOLOv5網(wǎng)絡(luò)檢測(cè)精度不高的問題。結(jié)果表明：改進(jìn)后的模型具有更好的檢測(cè)性能，其中引入CBAM模塊后提升幅度最明顯，較原網(wǎng)絡(luò)mAP值提升了7.7%，基本滿足織物疵點(diǎn)檢測(cè)需求。（剩余13473字）